-
题名正则化图形模糊聚类及鲁棒分割算法
被引量：30
- 1
-
-
作者
孙佳美
吴成茂
-
机构
西安邮电大学电子工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第11期179-186,共8页
-
基金
国家自然科学基金(No.61671377,No.51709228)
陕西省自然科学基金(No.2017JM6107)
-
文摘
针对现有图形模糊聚类算法合理性差和抗噪能力弱的问题,提出嵌入对称正则项的图形模糊聚类鲁棒算法。将样本聚类所对应的中立度与拒分度相结合构造对称正则项,嵌入现有图形模糊聚类所对应的目标函数;同时,利用像素邻域所对应的均值信息辅助当前像素聚类并构造了空间信息约束正则项,采用拉格朗日乘子法获得正则化图形模糊聚类鲁棒分割算法。不同噪声干扰图像分割结果表明,所建议的分割算法是有效的,相比现有的鲁棒模糊聚类分割算法具有更强的抑制噪声能力。
-
关键词
图形模糊聚类
正则化
鲁棒分割
空间邻域信息
-
Keywords
picture fuzzy clustering
regularization
robust segmentation
spatial neighbor information
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名一种快速鲁棒核空间图形模糊聚类分割算法
被引量：6
- 2
-
-
作者
吴其平
吴成茂
-
机构
西安邮电大学电子工程学院
-
出处
《智能系统学报》
CSCD
北大核心
2019年第4期804-811,共8页
-
基金
国家自然科学基金项目(61671377,51709228)
陕西省自然科学基金项目(2017JM6107)
西安邮电大学研究生创新基金项目(CXL2016-14)
-
文摘
针对现有鲁棒图形模糊聚类算法难以满足强噪声干扰下大幅面图像快速分割的需要,提出一种快速鲁棒核空间图形模糊聚类分割算法。该算法将欧氏空间样本通过核函数映射至高维空间;采用待分割图像中像素邻域的灰度和空间等信息构建线性加权滤波图像,对其进行鲁棒核空间图形模糊聚类;并引入当前聚类像素与其邻域像素均值所对应的二维直方图信息,获得鲁棒核空间图形模糊聚类快速迭代表达式。对大幅面图像添加高斯和椒盐噪声进行分割测试,实验结果表明:本文算法相比基于图形模糊聚类等分割算法的分割性能、抗噪鲁棒性和实时性有了显著提高。
-
关键词
图像分割
图形模糊聚类
核函数
线性加权和图像
邻域滤波
二维直方图
聚类有效性
鲁棒性
-
Keywords
image segmentation
graph fuzzy clustering
kernel function
linear weighted image
neighborhood filtering
two-dimensional histogram
clustering validity
robustness
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于全散度的自适应鲁棒图形模糊聚类算法
被引量：4
- 3
-
-
作者
吴成茂
孙佳美
-
机构
西安邮电大学电子工程学院
-
出处
《兵工学报》
EI
CAS
CSCD
北大核心
2019年第9期1890-1901,共12页
-
基金
国家自然科学基金项目(61671377、51709228)
陕西省自然科学基金项目(2017JM6107、2018JM4018)
-
文摘
针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。
-
关键词
图像分割
图形模糊集
图形模糊聚类
全散度
自适应
鲁棒性
C-均值聚类
-
Keywords
image segmentation
picture fuzzy set
picture fuzzy clustering
total Bregman divergence
adaptation
robustness
c-means clustering
-
分类号
TP391.412
[自动化与计算机技术—计算机应用技术]
-
-
题名基于分数阶信息的鲁棒图形模糊聚类分割算法
被引量：5
- 4
-
-
作者
柳璨
吴成茂
-
机构
西安邮电大学电子工程学院
-
出处
《计算机工程与设计》
北大核心
2019年第3期774-781,855,共9页
-
基金
国家自然科学基金项目(61671377)
陕西省自然科学基金项目(2014JK816)
-
文摘
为改进现有的图形模糊聚类算法不适合图像分割需要的不足,提出像素邻域分数阶信息约束的鲁棒图形模糊聚类分割算法。在现有的图形模糊聚类目标函数基础上,对其聚类所涉及的中立度和拒分度进行正则化约束,采用最优化数学方法推导获得一种图形模糊聚类算法。为增强图形模糊聚类分割算法的抗噪鲁棒性,将像素邻域分数阶积分滤波信息嵌入正则化图形模糊聚类目标函数,通过推导获得适合噪声干扰图像分割需要的鲁棒算法。测试结果表明,该分割算法能够有效降低复杂背景对图像分割目标的影响,提高了邻域均值信息约束的鲁棒分割算法的抗噪能力。
-
关键词
图形模糊C-均值聚类
正则化方法
空间邻域信息
分数阶积分
鲁棒分割算法
-
Keywords
picture fuzzy C-means clustering
regularization method
spatial neighborhood information
fractional order integral
robust segmentation algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
